استخراج قوانین فازی از داده های GIS با استفاده از شبکه عصبی فازی

در این تحقیق روشی جهت استخراج قوانین فازی موثر و قابل تفسیر از داده ‏های GIS با استفاده از سیستم عصبی - فازی ارایه شده است. مدل فازی جهت رسیدن به دقت و تفسیرپذیری بالا از سه مرحله عبور کرده است. در مرحله اول وزن‏ های اولیه شبکه عصبی - فازی با استفاده از الگوریتم خوشه ‏بندی FCM به دست آمد. به منظور طبقه‏ بندی دقیق داده‏ های آموزشی در مرحله دوم از یک سیستم عصبی- فازی CANFIS استفاده گردید و بدلیل از دست رفتن قابلیت تفسیرپذیری مدل‏ فازی‏ از الگوریتم‏ های ژنتیک جهت غلبه بر این محدودیت استفاده گردید. روش ارایه شده بر روی داده ‏های مناطق 5 و 11 شهر تهران جهت تشخیص بافت‏ های فرسوده مورد آزمایش قرار گرفته است. مسئله مورد بررسی از نوع طبقه ‏بندی بوده و هدف تعیین درجات عضویت بافت‏ ها به هریک از طبقات می ‏باشد. فرسودگی بافت‏ ها در 4 طبقه شامل فرسودگی کم، متوسط، زیاد و بسیار زیاد مورد بررسی قرار گرفته است. تعداد 300 نمونه آموزشی مورد استفاده قرار گرفت که پس از آموزش شبکه تمام داده‏ های آموزشی به صورت صحیح و با RMS=0.0045 طبقه ‏بندی گردید. نتایج به دست آمده حاکی از آن است که روش ارایه شده در این تحقیق قابلیت تعمیم به مسایلی که در آن دانش کافی از سیستم هدف در دسترس نمی‏ باشد را داراست و از دقت و تفسیرپذیری بالایی برخوردار است.